一种基于标签感知全局一致性的单正多标签分类方法

本发明公开了一种基于标签感知全局一致性的单正多标签分类方法。给定一个带有N个样本的训练数据集合并初始化模型组件；从数据集合中随机挑选B个样本，将每个样本的未知标签全部假设为负标签，计算损失函数利用正、负伪标签阈值δ和对每个样本的分类预测值p进行划分，得到可信的正、负伪标签，计算伪标签一致性正则损失结合每个样本的单一正标签与伪标签，将预测为正标签的低维特征嵌入z归纳到每个类簇中，利用标签感知矩阵计算损失以最小化总损失函数为目标，更新模型参数，迭代优化模型，直至模型收敛。本发明能够在仅有部分标签信息的情况下，充分挖掘和利用标签间的潜在关系，大大降低了数据的标注代价。